作者anovachen (@@)
看板Statistics
標題[問題] Logistic迴歸--當信賴區間與p值矛盾時??
時間Wed Dec 28 01:26:46 2011
各位好:
最近我的研究遇到一個很詭異的問題，
首先我分析的資料樣本數高達兩千多萬...
做logistic regression只有一個應變數(二分變數)和五個自變數(連續/類別等)。
使用SAS 9.2進行運算後發現，
有些變數odds ratio的95%信賴區間包含1，但是p<0.05(實際上在我的案例中p<0.0001)。
或者是p>0.05但是95%CI不包含1。
(p-value以Analysis of Maximum Likelihood Estimates報表中的
Wald chi-square Pr>ChiSq為主。)
我諮詢過兩位教生統的老師，
其中一位說一定是我資料key-in錯誤，因為這不可能發生...@@"
另一位說，他聽說過有這種情況，但是自己從來沒遇到過，
也不曉得要如何解釋數據...
請問各位，遇到這種情況時該以p-value為判定顯著與否的標準，
還是以CI為主？或者這樣的數據毫無意義？
或者...是我SAS的程式寫錯了???= ="
懇請賜教，謝謝!!^^
ps.
(到了要上台報告的前天才發現這問題...
害得我辛苦了兩週的logistic regression model
都作廢不能拿來報告了T^T)
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 122.117.192.49
1F：推 FSGuitar:恭喜你 我不久前也發現過這個問題 請看 12/28 01:35
2F：→ FSGuitar:#1EdK6TR4 這篇文章 或是搜尋我的ID 12/28 01:36
3F：→ yhliu:信賴區間與假說檢定不配套時可能產生不一致結論, 就像對同一 12/28 08:33
4F：→ yhliu:假說採用兩種不同檢定程序可能結論不一致. 例如普通列聯表卡 12/28 08:34
5F：→ yhliu:方檢定, 採用 Pearson chi-squared 與 LR G-squared 可能結 12/28 08:35
6F：→ yhliu:論不同. 而在本例樣本數極大, p-value 除了做為統計顯著性判 12/28 08:37
7F：→ yhliu:別(顯著/不顯著)以外, 無任何參考價值. 倒是信賴區間比較能 12/28 08:38
8F：→ yhliu:顯示實質顯著性. 既然 OR 的 C.I. 包含 1, 顯示關聯性可認為 12/28 08:39
9F：→ yhliu:不存在. 事實上只要 C.I. 接近 1 而不一定包含 1, 就可說不 12/28 08:40
10F：→ yhliu:具實質顯著性. 12/28 08:40
11F：→ yhliu:當然以上是假設資料及計算都沒問題. 12/28 08:41
12F：→ yhliu:再者, 會有這樣的現象, 在本例大樣本情況, 很可能是 0-1 比 12/28 08:42
13F：→ yhliu:例太懸殊, 以致中央極限定理適用性有點問題.(卡方及 OR C.I. 12/28 08:44
14F：→ yhliu:之分析程序,都是建立在大樣本理論,也就是套用 CLT 的結果.) 12/28 08:45
15F：→ yhliu:簡言之: p-value 小而 C.I. 顯示無關聯性, 或 p-value 大, 12/28 08:47
16F：→ yhliu:都可視為無關聯, 至少是無顯著關聯. 12/28 08:48
17F：推 imaltar:我猜是你的class是用內設的effect coding 參考組是設為-1 12/28 08:48
18F：→ yhliu:修正: 會有 CLT 不適用, 一是二元反應之 0-1 比例太懸殊, 12/28 08:49
19F：→ yhliu:二是解釋變數為類別而某一類樣本數太少. 12/28 08:49
20F：→ imaltar:參數在估計就是用effect coding 但是程式在計算OR時 12/28 08:49
21F：→ imaltar:是用dummy coding 也就是參考組設為0 所以有時會產生 12/28 08:50
22F：→ imaltar:OR信賴區間顯著 參數p-value卻不顯著的情形 12/28 08:53
23F：→ imaltar:所以 class那邊修改成 class var1 var2..../param=ref; 12/28 08:55
24F：推 tew:先把應變數的敘述統計資料秀出來 12/28 09:10
25F：→ yhliu:如果如 imaltar 所說的, p-value 是對整個變數的檢定, 而 OR 12/28 09:23
26F：→ yhliu:的區間估計是對多分類變數單一類別係數之推論, 則二者雖有關 12/28 09:24
27F：→ yhliu:聯但不在前述我所論的範圍. 此種情形亦非 dummy coding 或 12/28 09:25
28F：→ yhliu:effect coding 的問題. 而若 p-value 與 C.I. 都是針對單一 12/28 09:26
29F：→ yhliu:類別,但比較基礎不一(這應是 imaltar 所論本意),則更不足論. 12/28 09:27
30F：→ yhliu:所以,問者應把問題敘述清楚,否則答者只是白費力氣! 12/28 09:29
31F：推 imaltar:我是單純針對原PO code方面 到是沒像y大從理論去解釋 12/28 11:04
32F：→ anovachen:謝謝各位熱心回答!! 我的程式碼的確沒有/param=ref 12/28 17:08
33F：→ anovachen:現在補上了，正在執行程式當中...= =" 12/28 17:08
34F：→ anovachen:這個資料庫的應變數1,0比例懸殊，大約是1:10000 12/28 17:10
35F：→ anovachen:所以也不能排除yhliu所說的比例差太多的可能性。 12/28 17:11
36F：推 imaltar:1:10000 有點大XD 12/28 18:08
37F：推 goshfju:1:10000 XD 12/28 18:46
38F：→ anovachen:剛才跑完之後CI還是一樣，p value終於"正常"了 ^^" 12/28 22:40
39F：→ anovachen:這樣我的報告終於交的出去了(好擔心干擾作用探討要重寫 12/28 22:40
40F：→ anovachen:這是罕見疾病的研究，所以1:10000還不算最誇張的XD 12/28 22:41
41F：→ anovachen:謝謝各位!!^^ 12/28 22:42
42F：推 imaltar:對照組太大的話 可以考慮用配對 12/28 23:03
43F：→ yhliu:配對是為了縮小需要蒐集資料的樣本. 資料已在那裡, 棄而不用 12/29 12:19
44F：→ yhliu:而強行 "配對", 似乎沒必要. 12/29 12:19
45F：→ bmka:同意y大,不過有時候配對也有好處,比如說如果是依年齡配對 12/29 13:42
46F：→ bmka:(假設年齡有影響但並不是有興趣的變數), 12/29 13:44
47F：→ bmka:那麼就不必model age effect,可以減少model misspecification 12/29 13:46
48F：→ bmka:可能帶來的問題,也就是說犧牲efficiency(丟data),但是可以換 12/29 13:47
49F：→ bmka:來robustness of inferential results. 12/29 13:48
50F：→ bmka:做研究設計時這些trade-offs要好好考慮 12/29 13:52
51F：→ bmka:題外話,在台灣能拿健保資料來做研究真是奢侈的幸福啊 12/29 13:53
52F：→ FSGuitar:之前北醫有一個教授 光用健保資料庫就發了一百多篇PAPER 12/29 19:46
53F：推 imaltar:樓上說的士林恆慶老師 12/29 19:52
54F：→ clickhere:Google: zero-inflated logistic regression 12/29 21:25
55F：推 cuteship:很有趣且罕見的狀況。Y 12/30 21:12